Agentenbasierter Markov-Modell — Hybride Simulation mit autonomen Agenten und Markov-Zustandsübergängen

Das Agentenbasierte Markov-Modell (ABMM) ist ein hybrides Simulationsframework, das Markov-Ketten-Zustandsübergangslogik in einzelne autonome Agenten einbettet. Jeder Agent zieht unabhängig seinen nächsten Zustand aus einer Wahrscheinlichkeitsübergangsmatrix, was es dem Modell ermöglicht, sowohl die Heterogenität auf Mikroebene zwischen den Agenten als auch die handhabbare probabilistische Struktur von Markov-Ketten zu erfassen. Dieser Ansatz wird häufig in der Gesundheitsökonomie, Epidemiologie, Sozialwissenschaft und im Operations Research eingesetzt.